基于计算机视觉的座舱仪表识别检测方法

在简要介绍座舱仪表及其常用识别检测方法的基础上,提出一种基于计算机视觉的座舱仪表识别检测的方法。阐述过程中的几个关键环节及所用到的图像处理算法。采用同态滤波和自适应中值滤波相结合的方法来改善图像效果,然后用改进的类间方差法(Otsu)获取仪表的二值图像。利用改进后交叉皮质视觉模型对仪表的边缘进行提取,并结合骨架来提取指针,最终通过最大梯度下降法得到指针的准确读数。实验结果表明:该方法可快速获取仪表指针读数,且能并行处理多个仪表。与传统的Hough变换、最小二乘法等相比,该算法在保证精度准度的基础上,大幅提高了处理运算的速率。     

SIFT与核局部不变映射结合的特征描述算法

为更好地实现图像跟踪,寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于核局部不变映射的尺度不变特征转换(scale invariant feature transform, SIFT)特征描述算法。该算法在继承SIFT算法良好性质的基础上,依据不同空间尺度下能量特征差异性,对尺度内的子图像层数进行细化,以提高稳定特征点的数量。此外,借助核方法的映射特性,解决了局部不变映射法丢失非线性高维特征的问题,形成一种基于核局部不变映射的非线性降维法,进而对特征描述子进行特征重划。实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种场景下,相较现有的主成分分析 SIFT算法,该描述子不但取得更多的稳定特征点,而且计算速度也得到大幅提升。     

基于模糊神经网络的数据挖掘算法

提出一种基于模糊神经网络进行数据挖掘的新方法。构成模糊神经网络的模糊化层采用高斯函数计算5个模糊隶属度,高斯函数需要的均值、方差以及隶属度的中心值都可通过预先计算采集到的数据得到。模糊推理层采用取小取大运算代替常用的积和运算,加快了网络的推理速度。在模糊神经网络训练阶段,首先利用重心法对模糊化层输出进行反模糊化,再采用BP思想,利用梯度法求误差值并进行反传调整隶属度函数的参数值。为提高网络推理精度和速度,通过设立相应的规则对网络进行裁剪,剪掉多余的节点和权值,最后依据一定的思想对产生的模糊规则进行简化和提取。以工业锻造中的智能温度控制系统的控制数据为例进行仿真,结果表明,该网络具有较高的精度和较好的鲁棒性。     

尺度目标的频域核回归跟踪研究

提出了一种基于频域核回归模型的尺度目标跟踪算法。该算法将时域相关滤波转换为频域的线性回归问题,构建一个包含似然项和先验项的代价损失函数,当似然项和先验项选取不同的分布函数,获得不同约束条件下的跟踪模型;通过核函数用来适应目标在跟踪过程的尺度变化。在初始帧中,通过手动标注目标初始状态,获得目标样本及其标记,利用核回归得到目标的频域模板;在跟踪过程中,利用循环卷积定理,将时域相关运算转换为频域乘积运算,快速计算候选样本的响应,得到目标在当前帧的估计;利用估计结果更新目标频域模板,同时在线更新核函数,适应目标尺度变化。实验分析表明,文中算法能够实时地跟踪目标,适应目标外观和尺度的变化,获得较好的跟踪效果。     

无人机图像匹配制导系统方案

为实现无人战斗机精确制导实际需求,根据作战的实时性和精确性特点,提出了一种基于图像匹配技术的制导方案。该制导方案引入地标信息,研究匹配方法,分析匹配计算量,提出了基于高速数字信号处理芯片来实现匹配制导的方法。软件仿真结果表明,匹配单元的结构完全能够满足制导系统功能实现的需要。     

基于分布式对象的WehGIS

地理信息系统要想发展，必须走开放式的道路，将分布式体系和面向对象的思想引入网络GIS系统，是地理信息系统发展的必然趋势。文中阐述了分布式对象的GIS的概念和设计思想，探讨了其网上实现的体系结构，对于GIS插件、智能化用户前端、三级客户／服务器系统等重要问题进行了研究，并对其关键技术进行了分析。     

多频法测量高温超导薄膜表面电阻

本对介质谐振器法测量高温超导薄膜微波表面电阻的方法进行了详细的研究，并对测试系统的损耗提出了新的计算方法．由四个不同直径、相同高度的蓝宝石构成四个谐振器，对同一组铜膜进行测量，根据金属表面电阻与频率的关系，分析测试装置的损耗，从而更精确地测出薄膜的表面电阻．经实验证明，此方法能得到比传统测量更为精确的测量结果．     

基于模糊粗糙集和蜂群算法的属性约简

为获取连续属性数据集的最小属性子集,提出一种基于模糊粗糙集和人工蜂群算法的约简方法。首先由边缘蕴含算子和t-模给出集合的模糊粗糙近似,以下近似构建模糊粗糙正域,并据此确定决策属性对条件属性集的依赖度,然后通过依赖度和约简率构建能够反映属性集大小和重要性的目标函数,将属性约简问题转化为优化问题,最后以目标函数为迭代准则,利用人工蜂群优化算法完成数据集的属性约简。仿真结果表明:该方法在不降低分类正确率的同时,可以有效降低属性维数。     

基于Raptor码的级联型不等错误保护方法

针对在各种恶劣的信道中对码流中相对重要数据提供更强保护的问题,提出了基于Raptor码的级联型不等错误保护(unequal error protection, UEP)方法。通过在预编码阶段和无率码阶段都采用UEP设计的级联方法来提高UEP性能,增加了设计的灵活性;分析了其在二进制删除信道（binary erasure channel, BEC）中采用最大似然概率(maximum likelihood, ML)译码时UEP性能的理论上下界;最后分别对其在BEC和加性高斯白噪声(additive white Gaussian noise, AWGN)信道中的UEP性能进行了仿真实验。理论分析和仿真实验结果显示,与在预编码阶段或无率码阶段单独采用UEP设计的方法相比,该级联型方法在基本不损失普通数据性能的情况下能为重要数据提供更强的保护,具有较好的UEP性能     

S变换在雷达目标识别中的应用

针对雷达目标回波的非平稳特性,推导了S变换及其实现算法,利用电磁场时域有限差分算法仿真了三种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的奇异值特征作为目标特征矢量,利用径向基函数神经网络对特征矢量进行训练和学习,最后对三种飞机做了分类识别,取得了很好的识别效果.